ReclAIm：面向医学影像 AI 的分解感知性能调优的多智能体框架
多智能体系统
2025-10-21 v1 人工智能
摘要
确保临床实践中 AI 模型的长期可靠性，需要持续的性能监控和在发生退化时进行纠正措施。针对这一需求，本文提出 ReclAIm，一个能够自主监控、评估和微调医学影像分类模型的多智能体框架。该系统基于大语言模型核心，完全通过自然语言交互运行，无需编程知识。ReclAIm 成功训练、评估并在 MRI、CT 和 X-ray 数据集上维持模型的一致性能。一旦 ReclAIm 检测到显著的性能退化，它会自主执行最新的微调程序，从而显著缩小性能差距。在 MRI InceptionV3 性能下降最高达 -41.1% 的情况下，ReclAIm 能在 1.5% 之内恢复至初始模型结果。ReclAIm 实现了面向医学影像 AI 模型的自动化、持续性维护，采用用户友好且可适应的方式，促进了其在科研和临床环境中的更广泛采用。
引用
@article{arxiv.2510.17004,
title = {ReclAIm: A multi-agent framework for degradation-aware performance tuning of medical imaging AI},
author = {Eleftherios Tzanis and Michail E. Klontzas},
journal= {arXiv preprint arXiv:2510.17004},
year = {2025}
}
备注
25 pages, 4 figures